tensorflow使用summary收集tensor数据

博主在用tensorflow训练三维卷积神经网络过程中，希望将网络validation的结果和真实的标签做对比，一开始以为要使用tf.summary.histogram函数，在网上检索了一下以后，在网站上后来使用summary的迭代器和tensorboard:

# This example supposes that the events file contains summaries with a
# summary value tag 'loss'.  These could have been added by calling
# `add_summary()`, passing the output of a scalar summary op created with
# with: `tf.scalar_summary(['loss'], loss_tensor)`.
for e in tf.train.summary_iterator(path_to_events_file):
    for v in e.summary.value:
        if v.tag == 'loss' or v.tag == 'accuracy':
            print(v.simple_value)

tensorboard --inspect --event_file=myevents.out --tag=loss

将数据（因为在实验过程中，所以数据量不大）全打印出来了以后：

发现应该有对应的办法去保存tensor变量，百度了一下以后便发现了tf.summary.tensor_summary,同时在在tensorflow官网中检索到相应的接口将日志文件中的数据迭代输出，却发现：

张量的数据是二进制文件，tensorflow使用summary收集tensor数据存储在日志文件中，但是tensorflow官方文档似乎没有提供读取tensor型二进制数据的接口，在必应中用英文检索到stackoverflow文章，该文章中博主给出了一个函数：

def tensor_summary_value_to_variable(value):
fb = numpy.frombuffer(v.tensor.tensor_content, dtype = numpy.float32)
shape = []
for d in v.tensor.tensor_shape.dim:
    shape.append(d.size)
fb = fb.reshape(shape)
var = tf.Variable(fb)
return var

便成功解决了